基于非下采样轮廓波变换与数学形态学方法的图像边缘检测(英文)

提出了一种新的图像边缘检测算法,该算法融合了非下采样轮廓波变换与数学形态学方法来实现图像的边缘检测.首先,源图像被非下采样轮廓波变换分解成多尺度、多方向子带;然后,分别采用双阈值模极大值算法和数学形态学方法提取高频与低频子带的边缘信息;最后,综合高频、低频子带边缘信息,得到源图像全部的边缘信息,并进行细化,剔除孤立点,获得源图像的边缘.仿真实验结果表明:新算法能够有效抑制噪声,去除伪边缘,一定程度上克服了光照不均引起的不良影响;与传统经典算法LoG,Sobel和Canny及模极大值方法相比,该算法能保持足够的定位精度和边缘细节,且边缘轮廓的完整性、光滑度、清晰度等得到明显提升.     

基于最大局部变化的安全带检测算法

传统的边缘检测算法的效果很大程度上取决于阈值的选取,针对这个问题,提出了基于局部最大变化和二维OTSU的边缘检测方法,该方法利用图像局部区域的所有像素灰度值与中心像素灰度值的最大差值来描述图像边缘分布信息,从而得到图像边缘分布信息图,然后利用二维OTSU方法对该边缘分布信息图进行二值化处理得到边缘二值图。利用该边缘二值图,结合车辆的一些先验信息,提出车窗定位算法,并进一步确定驾驶员区域,最后通过在驾驶员区域内检测是否存在满足安全带先验特征的直线来判断驾驶员是否佩戴安全带。实验结果表明,该方法能够准确定位车窗边缘和驾驶员区域,可以应用于安全带的检测,具有一定的实用价值。     

提取数字图像边缘的算法比较

本文简要地介绍了几种经典算子的原理,设计了相关实验来提取图像边缘,并使用Marlab对图像进行边缘检测,分析这几种经典算子的优劣,找出适合进行图像边缘检测的最佳算子.     

图像边缘检测算法分析

图像边缘检测技术是图像分割、目标识别、区域形状提取等图像分析领域中十分重要的基础。对具有代表性的图像边缘检测算子进行了讨论,还结合小波变换方法和数学形态学方法分析了在边缘检测中的应用,并给出了这些算法的仿真实验效果,最后对实验结果进行了分析。这有助于学习和寻找更好的边缘检测方法。     

基于迭代最佳阈值分割的边缘检测研究

为了解决传统的人工定义阈值和检测算子在边缘检测方面的不足,提出了基于迭代最佳阈值分割的边缘检测,并据此进行图像的边缘提取。这种方法不仅大大降低了算法的复杂度,提供最佳阈值,同时也能保证边缘提取的精确度,消除图像噪声对边缘提取的影响。通过对迭代阈值的应用,利用边缘检测算子对图像进行边缘检测,并和现有的方法进行对比。实验结果表明,和现有的检测方法比较,该方法在检测效率和准确度上表现比较优秀。     

基于Prewitt算子和邓氏关联度的图像边缘检测算法

边缘是图像最重要的特征之一,其检测的好坏对图像的识别和分割的效果有直接的影响,本文探讨了传统的Prewitt算子和灰色关联度在边缘检测中的应用情况,提出并实现了一种将Prewitt算子和邓氏关联度相结合的边缘检测方法。实验表明,该方法提取的边缘较完整、连续性好、非边缘点少,为图像边缘检测探索了一种新的途径和方法。     

基于局部三进制模式的边缘检测方法

边缘检测是指检测图像中灰度突变的区域边界,其结果直接影响图像后续处理,有效和准确地提取图像的边缘是边缘检测的关键。利用局部三值模式对图像结构特征的表征优势,提出一种新的图像边缘检测算法,能够准确检测出边缘,和其它边缘检测方法比较,具有边缘检出率高和抗噪性能好的优势。     

基于二次采样小波变换的拉普拉斯边缘检测方法

提出了一种新的基于小波变换的拉普拉斯图像边缘检测方法：采用二次采样小波变换方法生成图像的梯度图像,然后采用普通拉普拉斯算子提取出图像的边缘.实验结果表明该方法既能够有效地抑制噪声,又能够清晰地提取到图像的真实边缘.有利于完善拉普拉斯边缘检测算子.     

一种基于形态学多结构元素的医学图像边缘检测方法

针对传统检测方法模糊图象边缘及定位精度不高的问题提出一种基于形态学多结构元素的医学图像边缘检测方法.该方法利用多个结构元素和复合算子检测图像边缘,仿真实验结果表明,该方法能够提取清晰的图像边缘,定位精度高,优于传统边缘检测方法.     

基于多尺度数学形态学梯度的图像检测

传统边缘检测算子如Canny、Sobel等是通过计算图像中局部小区域的差分来工作的,对噪声比较敏感,在检测边缘的同时常会加强噪声,形态边缘检测器在检测边缘的时候不会加强或放大噪声,单尺度形态学梯度算子结构元素过大或过小都不能检测到满意的结果.将多尺度形态学边缘检测和形态学滤波结合起来,提出一种边缘检测方法.首先利用形态学对多尺度的形态学梯度算子进行边缘检测,再进行填充内部缝隙,接着进行形态学边界平滑,最后通过分割掩模到原图像的结果.仿真结果表明,所提算法能够非常清晰地检测到目标图像的边缘,提取的图像边缘定位准确且平滑,同时具有较强的抗噪能力.     

基于Matlab的无人机侦察视频处理的GUI设计

针对无人机侦察视频序列抖动剧烈、聚焦困难、目标匹配难等特点,借助Matlab平台,构建了1个实现视频稳定、聚集评估和跟踪匹配等功能的无人机侦察视频处理模块.该模块能有效降低无人机侦察视频序列的抖动特性,并实现了目标聚集评估、跟踪及关键帧提取等一体化功能,在无人机侦察视频处理领域具有良好的应用前景.     

An image registration method based on multi-resolution morphology contour detection

Combined with the printing application, an image registration method based on the multi-resolution morphology contour detection was proposed. First, a direction based multi-resolution gray morphology in the scheme was proposed to realize the contour extraction. Then, based on the contour features, the subspace image registration was proposed to deal with issues of the computing complexity appeared in the traditional image registration methods. The proposed image registration was efficiently applied in the defect inspection of printing images.     

基于小波包分解的自适应盲脆弱水印算法

提出了基于图像内容自嵌入功能的脆弱水印算法．算法的新颖之处在于能区分图像内容、水印还是两者同时被篡改,由原图像高7位的一级小波低频系数量化得压缩图像,转换成二进制作为水印,混沌置乱加密后嵌入到原图像的LSB．认证时,由认证图像高7位制作的水印与提取水印的差值来确定图像是否遭到窜改,可定位篡改位置．实验结果表明：与Y-M算法相比峰值信噪比提高了5个dB,与WONG算法相比峰值信噪比提高了3个dB,实现了盲检测,而且该算法能够检测常见的攻击如噪声、几何剪切、滤波等．     

车牌图像二次定位方法研究

提出了1种的车牌图像二次定位方法,在第1次定位中初步找出包含车牌边框的车牌图像区域。再根据车牌边框对车牌图像进行倾斜校正．在此基础上,对车牌图像进行第2次定位,最终获得精确的车牌区域．测试结果表明,车牌图像二次定位方法成功率较高,能够为后续的车牌字符识别打下良好的基础．     

基于数学形态学的图象角点检测方法

提出了一种基于多结构元素的数学形态学图象角点检测方法.通过构造多种结构元素分别对图像进行腐蚀和相关的数学形态学运算,得到了图像的各种角点,然后在把这些角点合并起来便得到了图像的所有角点.实验结果表明本文算法能够准确的找到图像的角点,而且对噪声有很好的抑制作用.     

基于黎曼度量结构相似度的图像质量评价方法

图像最主要的是其结构特性,人类的视觉系统是从图像结构上获得图像信息,为了更好的对图像的质量进行评价,本文在SSM模型的基础上提出一种基于黎曼度量的结构相似度评价,把图像置于黎曼流形中进行讨论.实验结果表明本文提出的方法比SSM模型更有区分度,更符合人类视觉系统的特性.     

基于改进Canny算子的建筑裂缝边缘提取方法

针对传统Canny算子进行图像边缘检测时对非线性噪声效果不太明显且会存在漏检的问题,提出了一种改进的Canny算子,将其应用于建筑裂缝边缘提取中。对建筑裂缝图像进行预处理,在预处理阶段对图像进行分割与去除孤立点的操作,以得到更为清晰的图像。利用非线性中值滤波代替原Canny算子中的高斯滤波,用Sobel算子八方向模板进行梯度计算,并使用Otsu法得到阈值。与传统方法相比较,提出的方法能够提取出更清晰完整的图像边缘,其峰值信噪比与结构相似性均有一定程度的提高。     

基于多智能体系统的自适应指纹图像分割算法

在深入研究指纹图像分割方法的基础上,将多智能体系统MAS（Multi-Agent System）引入到指纹图像分割处理过程中,提出了一种基于MAS的自适应图像分割方法.实验结果表明,该方法能够有效实现对指纹图像分割的自适应分割处理,相比传统的方差分割法和点方向一致性分割法,本算法具有更好的适应性和鲁棒性.     

一种基于区域—图非对称匹配的少数民族服饰检索方法

针对少数民族服饰具有的典型纹样图案和款式特征,提出一种基于区域—图非对称匹配的少数民族服饰图像检索方法,首先利用 gPb-OWT-UCM 算法对检索图像进行区域分割,然后将分割后图像中的每个区域特征与未分割的待检索图像进行基于动态规划的非对称匹配,并通过评估匹配组的布局一致性计算少数民族服饰图像之间的相似度,最后通过排序实现图像检索任务。实验结果表明,与传统基于外观特征的方法相比,该方法不仅可以获得较好的图像检索效果,还可以通过相似区域匹配结果呈现不同少数民族服饰独有的风格特征,为少数民族服饰文化的数字化保护与传承提供有效途径。